采用自适应中心差分卡尔曼滤波器的锂离子电池荷电状态估计

锂离子电池因其能量密度高、使用寿命长等优点被越来越多地应用到卫星、便携式设备和电动汽车等领域.荷电状态作为电池管理系统的重要指标,它的准确监测对保障电池的使用安全、提高电池的使用效率有着重要意义.针对锂离子电池的荷电状态估计,本文提出了一种自适应中心差分卡尔曼滤波算法.首先,设计了一个线性卡尔曼滤波器实现了对测量方程系数的实时估计,从而避免了荷电状态与开路电压关系曲线的测试.其次,考虑到部分工况难以准确地获取模型参数,使用增广向量法并采用自适应中心差分卡尔曼滤波器实现了荷电状态与模型参数的自适应估计.再次,将线性卡尔曼滤波器与自适应中心差分卡尔曼滤波器耦合,实现了荷电状态、模型参数、测量方程系数的联合估计,使得本文所提算法能够更好地应用于电池内部参数未知的复杂工况.为了进一步提高算法的估计精度和对噪声的适应能力,通过迭代法对噪声协方差矩阵进行了动态调整.最后,通过几组实验验证了本文所提算法的有效性.

基于支持向量回归机的自适应差分滤波算法研究

针对差分滤波(DDF)算法存在因噪声统计特性与实际不符而导致的滤波精度降低甚至发散的问题,提出了一种基于支持向量回归机的自适应差分滤波(SVRADDF)算法.将测量值的新息协方差与理论协方差之间的差值作为支持向量回归机的输入、输出调节噪声统计特征的自适应因子,实时修正DDF噪声协方差,根据实际噪声变化调整噪声协方差矩阵,从而提高滤波精度.针对水下目标纯方位角跟踪系统的蒙特卡洛仿真实验表明,在相同初始噪声特性条件下,所提出的SVRADDF算法具有较好的估计效果和鲁棒性,估计精度、稳定性及收敛时间等性能明显优于单纯DDF算法.

一种无谐振C型滤波器的优化设计方法

现有无功补偿电容谐振抑制方法通常将无功补偿电容配置为无谐振C型滤波器,以降低谐振带来的谐波电压放大与滤波器有功损耗。但在抑制低频谐振时,无谐振C型滤波器的元件参数可选择范围较小,难以在实现低频谐振抑制的同时兼顾滤波器配置成本。针对这一问题,文中提出一种无谐振C型滤波器优化设计方法。首先,设计一种改进C型滤波器结构,在传统C型滤波器结构中增加低频谐振抑制单元,消除滤波器潜在低频谐振点;然后,建立计及滤波器配置成本、有功损耗、谐振抑制性能及元件参数选择范围的滤波器元件参数配置模型,求解改进C型滤波器元件参数最优值。最后,通过仿真对比证明,改进C型滤波器在控制配置成本与有功损耗的基础上,能明显降低谐波放大系数,具有更好的谐振抑制性能。

应用差分进化算法的频率抽样法线性相位非递归数字滤波器设计

滤波器过渡带最佳抽样点值的确定是频率抽样法非递归数字滤波器设计的关键,提出一种应用差分进化算法的频率抽样法线性相位非递归数字滤波器的优化设计方法。首先推导频率抽样法线性相位非递归数字滤波器的设计公式,并分析滤波器频率响应的误差特征。然后以滤波器过渡带样本值为优化变量,以阻带性能指标设计目标适应度函数,利用差分进化算法的全局性和内在并行性搜索最优解,并给出算法实现的具体步骤和实验结果。实验数据表明:采用差分进化算法确定的频率过渡带样点值是最优的,设计的非递归数字滤波器的通带最大衰减和阳带最小衰减分别达到0.2234 dB和66.6637 dB频率特性优干传统设计方法。

基于改进差分进化算法的Ⅱ型频率采样法FIR数字滤波器设计

在传统差分进化算法的基础上,增加缩放因子自适应生成策略、交叉概率抛物线式动态产生策略和新个体基因边界检查和处理方法,提出一种改进差分进化算法并应用于采用Ⅱ型频率采样法的FIR数字滤波器设计中。该优化设计方法以滤波器过渡带样点值为优化变量,以阻带最小衰减值作为优化目标并设计适应度函数,利用改进差分进化算法的全局寻优能力求解最优样点值。文中结合FIR数字高通、低通和带通滤波器设计的3个例子,给出算法实现的具体步骤和实验结果。实验数据表明:采用改进差分进化算法确定的滤波器过渡带样点值是最优的,设计的FIR数字滤波器频响特性(通带最大波动和阻带最小衰减)优于传统查表方法和遗传算法。

新型轨对轨高宽带全差分跨导器及其滤波器

为了解决起模数转换作用的跨导器电路的带宽问题,采用基本的自适应偏置、交叉耦合差动式轨对轨输入以及双输出结构,设计了一种宽带的轨对轨全差分跨导器。以该跨导器电路作为基本模块构造电压模式双二阶滤波器,实现了低通、高通、带阻和带通滤波器功能。仿真结果表明,CMOS全差分电路具有良好的滤波性能和电控性能。

自适应差分滤波在减摇鳍加载系统中的应用

设计了一种自适应差分滤波器滤除减摇鳍加载系统中的噪声,利用一阶差分对原始数据的噪声点进行识别与纠正,自适应地调整差分滤波器的检测阈,在严重冲击干扰时,经自适应差分处理之后,再采用算术均值滤波法进行平滑处理,实际应用的结果表明该算法可有效地抑制减摇鳍加载系统的噪声干扰。

基于随机模型近似的再入目标自适应跟踪算法

针对再入目标跟踪问题,基于加速度动力学模型和随机模型近似思想,提出了分段匀Jerk自适应模型及跟踪算法.该算法引入Jerk动力学模型和Jerk分段均匀假设,给出了机动加速度的递推模型;根据随机模型近似思想提出了新的过程噪声定义方法并给出了分段匀Jerk模型和过程噪声的自适应方法;结合状态扩展方法和分离差分滤波算法实现了再入目标的实时自适应跟踪.仿真实验表明,相比基于分段匀加速模型的跟踪算法,该算法在保证了再入目标稳态跟踪精度的同时,对目标突变状态具有较强的跟踪能力.

具有自适应性的半脆弱数字水印算法

为了解决数字水印算法的鲁棒性与脆弱性之间的矛盾,提出了一种新的具有自适应性的半脆弱数字水印算法,重点介绍了数字水印的嵌入算法。该算法通过采用改进的低通滤波器,调整中间像素灰度、改变两端的灰度差分来实现水印的嵌入。实验结果表明,该算法对Photoshop下所有级别的JPEG压缩均具有鲁棒性,而对所有几何变换等恶意攻击具有脆弱性;并可根据所提取水印判断出恶意攻击的类型、程度、区域等特征,具有较好的自适应性。

基于局部均值分解和极值差分的直流电机间接测速方法

针对直流电机无转速传感器间接测速问题,首先,根据局部均值分解(LMD)可将复杂信号按频率递减的顺序自适应地依次分离出各PF分量的特点,构建了基于LMD的自适应滤波器(AF)。其次,确定了AF中截止分量阶数以组成带通滤波器提取换向电流;最后结合直流电机换向特点,提出了基于极值差分(ED)的换向电流频率求取方法。试验对比了LMD和EMD提取换向电流特点,并对比ED方法和脊线算法、Hilbert变换及LMD中的反余弦法求取换向电流的频率特点,相关试验证明了所提方法的可行性和有效性。

基于差分空时分组码的卡尔曼盲多用户检测

对大容量、高性能蜂窝通信系统的需求引起了人们对先进信号处理技术的极大兴趣 ,尤其是使用多个发射 /接收天线 ,利用空域分集的处理技术更是受到了广泛关注。使用多个发射天线及差分空时分组码 ,可用一种新的适用于频率平坦信道的盲自适应多用户接收机。新方法不需要信道估计 ,它首先利用卡尔曼 (Kalman)自适应滤波器抑制多址干扰 ,然后完成差分空时解码获得分集增益。计算机仿真结果表明该方法具有较强的抗衰落和抑制多址干扰的能力 。

背景对齐差分的机场跑道异物分块检测与跟踪算法

针对机场跑道异物的无人自主检测与识别过程中存在的检测结果受环境影响大、小目标检测困难以及漏检率高等问题,提出基于背景差分的机场跑道异物分块检测与跟踪算法.首先利用速度辅助的位置信息线性插值,获取背景模板图像库与待检测图像序列最相关帧;然后将图像分为不同子块,利用各子块内图像纹理复杂度设置自适应权值,结合ORB算法进行特征点提取,将各子块特征点归一化至原始图像,并与背景模板库最相关帧对齐作差,获取异物检测结果;最后引入核相关滤波器对检测结果进行多目标跟踪,采用各子块局部跟踪算法降低运算时间,并对跟踪结果进行可靠性检验.在3种实验场景下,与5种主流检测算法的对比实验结果表明,与目前已有的基于图像的机场异物检测算法相比,在保证算法处理速度的基础上,该算法将异物整体错检率降低了70%以上,并在异物尺寸大于1cm×1cm的情况下,将整体漏检率降低至0,获得了较好的效果.

改进的二阶互差分测量噪声方差估计算法

针对自适应Kalman滤波中测量噪声统计特性估计问题,提出了一种基于α-β-γ滤波和二阶互差分的测量噪声方差估计算法。该算法通过α-β-γ滤波器构造测量信号的虚拟冗余观测序列,将只适用于冗余测量条件下的二阶互差分算法推广到单一测量。在此基础上,通过对数据的选择和对α-β-γ滤波器的优化,达到提高计算精度的目的。仿真实验结果表明,相对于通过经典的自适应Kalman滤波算法计算测量噪声方差,该算法估计测量噪声方差精度更高,能够有效抑制滤波发散。

多频调制下电气化铁路电压波动特性分析及频率估计

针对多车整备时电气化铁路牵引供电系统电气量不稳定现象,通过挖掘多车接入牵引网时牵引变电站内部中压评估点的电压录波数据,提取多分量调幅调频信号的幅值和频率信息,并对其波动细节进行详细分析。首先设计高阶Butterworth滤波器对信号进行低通滤波。其次基于集成局域均值分解(ensemble local mean decomposition,ELMD)研究了牵引网电压波动包络线提取方法,分解出若干个单分量信号。为改善网压信号的端点效应,基于最小二乘法(least mean square,LMS)自适应滤波器对电压数据端点处进行波形延拓;随后使用对称差分Teager能量算子对调制频率信号的突变时刻检测,实现ELMD包络信号的分段截取;最后对各分段信号进行集成经验模态分解(ensemble empirical mode decomposition,EEMD)从而实现电压波动的详细分析和频率估计。实验结果表明,该方法能有效地提取牵引供电系统的电压波动特征,实现电压波动的调制信号的频率、幅值的有效估计。

一种改进的Camshift目标跟踪算法

针对传统连续自适应场值漂移(Camshift)算法易受同色物体的干扰、抗遮挡性能差等问题,该文提出一种基于运动分割和H-S二维概率分布直方图的改进型Camshift算法。在Camshift算法跟踪之前,结合运动信息,采用三帧差分法从背景中提取出运动目标;在HSV空间根据Bhattacharyya系数,采用一维H分量颜色直方图与H-S二维直方图相结合的方式生成反向投影图;结合Kalman滤波器预测下一帧目标的位置。实验证明,该文算法克服了传统Camshift算法的缺点,增强了抗干扰能力,能够准确实时地跟踪运动目标,鲁棒性好。

基于多模型简化CDKF的故障诊断方法

针对使用传统卡尔曼滤波器对非线性系统进行故障诊断,估计精度低的问题,提出了一种新的故障诊断方法.该方法结合多模型自适应估计和简化中央差分卡尔曼滤波器的优点,能在线快速地检测出故障,利用中央差分代替了雅可比矩阵的求解,使系统状态估计准确收敛到真实值附近,而且避免了反复求解量测预测方差等一系列繁杂过程.在执行机构不同故障的情况下,通过与其他算法进行诊断对比,结果表明提出的算法在精度上和运行速度上具有明显的优势.

基于UniTire轮胎模型的汽车行驶速度估计

准确而实时地获取车速信息是汽车实现高精度定位与导航、高级巡航控制和编队巡航控制等功能的必要前提,文中提出一种基于UniTire轮胎模型的汽车行驶速度估计方法。首先,基于UniTire轮胎模型建立包含汽车纵向、侧向和横摆动态的车速估计名义模型,并利用自适应遗传算法的全局搜索优势和拟牛顿法的局部搜索优势辨识出UniTire轮胎模型的特征参数的全局最优解;随后,以车速估计名义模型的过程噪声和观测噪声为调度变量,利用强跟踪中心差分卡尔曼滤波器设计一簇车速估计器,并采用交互式多模型算法对基于强跟踪中心差分卡尔曼滤波器的车速估计器簇的输出结果进行平滑融合;最后,利用整车级硬件在环仿真平台对所提出的基于交互式强跟踪中心差分卡尔曼滤波器的车速估计算法的可行性和有效性进行验证。结果表明:相对于基于强跟踪中心差分卡尔曼滤波器的车速信息估计算法,本文提出的车速信息估计算法对系统噪声统计特性具有更好的自适应能力,并且具有更高的估计精度。

利用增量相位和星光仰角增强XNAV

针对X射线脉冲星导航系统(XNAV)中过程噪声统计特性难以准确获取,对其不当假设导致滤波器估计性能不佳的问题,提出基于自适应差分卡尔曼滤波器(ADDF)的多信息融合算法。为了降低导航误差,在传统脉冲星计时观测的基础上,增加恒星星光仰角及两个时刻间的相位增量观测量,共同增强XNAV。首先,分别建立计时观测模型、相位增量模型及星光仰角模型;然后将多信息测量模型集成到卫星轨道动力学方程中,以建立ADDF滤波模型;最后对所提方法进行仿真验证。实验结果表明,在相同的初始状态和初始噪声误差条件下,与传统X射线脉冲星导航算法相比,多信息融合算法能将导航位置估计精度提高70%以上,位置估计误差降低到200 m左右,速度估计精度提高40%以上,且ADDF性能优于无迹卡尔曼滤波器。

月心矢量增强XNAV及其自适应滤波方法

针对X射线脉冲星导航（XNAV）难以获取准确的过程噪声统计特性及导航精度低的问题,提出基于自适应差分卡尔曼滤波器（ADDF）,融合地月夹角的多信息融合XNAV.首先通过处理从光学相机获得的月球图像得到视场角度和方向矢量的测量模型;然后将该测量模型和传统脉冲星计时观测模型集成到航天器轨道动力学中,以建立ADDF滤波模型;最后对所提方法进行仿真验证.实验结果表明：在相同的初始状态和初始噪声误差下,与无迹卡尔曼滤波器（UKF）和差分滤波器（DDF）相比,ADDF具有良好的噪声自适应能力,其导航位置估计精度提高60%以上,速度估计精度提高25%以上;较之传统计时观测XNAV,融合视场角和月球方向矢量的XNAV方法能够将导航精度提高50%以上.

低信噪比静止背景运动图像的动态目标检测

研究静止背景下运动图像序列的动态目标检测,主要针对当图像序列背景中有噪声干扰时,典型的差分检测法的检测效果不好,应用基于最小均方系统调整算法(LMS)的自适应滤波器方法,压制噪声,使效果得以明显改善,文中给出了实验结果。